araabia | bengali | bulgaaria | burma (Myanmar) | hiina (lihtsustatud) | hiina (traditsiooniline, Hongkong) | hiina (traditsiooniline, Macau) | hiina (traditsiooniline, Taiwan) | horvaadi | tšehhi | taani | hollandi | eesti | soome | prantsuse | saksa | kreeka | heebrea | hindi | ungari | indoneesia | itaalia | jaapani | kannada | khmeeri | korea | leedu | malai | malayalam | marathi | nepali | nigeeria pidžin | norra | pärsia (farsi) | poola | portugali (Brasiilia) | portugali (Portugal) | pandžabi (Gurmukhi) | rumeenia | vene | serbia (kirilitsa) | slovaki | sloveeni | hispaania | suahiili | rootsi | tagalogi (filipiino) | tamiili | telugu | tai | türgi | ukraina | urdu | vietnami
Eelistad kloonida lokaalselt?
See hoidla sisaldab 50+ keele tõlkeid, mis suurendavad märgatavalt allalaadimise mahtu. Tõlgeteta kloonimiseks kasuta sparsi checkouti:
Bash / macOS / Linux:
git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git cd ML-For-Beginners git sparse-checkout set --no-cone '/*' '!translations' '!translated_images'CMD (Windows):
git clone --filter=blob:none --sparse https://github.com/microsoft/ML-For-Beginners.git cd ML-For-Beginners git sparse-checkout set --no-cone "/*" "!translations" "!translated_images"See annab sulle kõik vajaliku kursuse läbimiseks palju kiirema allalaadimisega.
Meil toimub Discordis AI-ga õppimise seeria, leia lisainfot ja liitu meiega aadressil Learn with AI Series ajavahemikus 18. – 30. september 2025. Saad näpunäiteid ja trikke GitHub Copilot'i kasutamiseks andmeteaduses.
🌍 Rända kogu maailma ringi, uurides masinõpet läbi erinevate maailmakultuuride 🌍
Microsofti pilveesindajad pakuvad 12-nädalast, 26-õppetunnist koosnevat õppekava, mis räägib kõik masinõppest. Selles õppekavas õpid nn klassikalisest masinõppest, kasutades peamiselt Scikit-learn teeki ja vältides süvaõpet, mida käsitletakse meie AI algajatele õppekavas. Ühenda need õppetunnid ka meie 'Andmeteaduse algajatele' õppekavaga!
Rända koos meiega üle maailma, rakendades neid klassikalisi meetodeid eri piirkondadest pärit andmetele. Iga õppetund sisaldab enne ja pärast õppetundi teste, kirjalikke juhiseid, lahendusi, ülesandeid ja muud. Meie projektipõhine õpetus võimaldab õppida ehitamise kaudu, mis on tõestatud efektne viis uute oskuste kinnistamiseks.
✍️ Südamlik tänu meie autoritele Jen Looper, Stephen Howell, Francesca Lazzeri, Tomomi Imura, Cassie Breviu, Dmitry Soshnikov, Chris Noring, Anirban Mukherjee, Ornella Altunyan, Ruth Yakubu ja Amy Boyd
🎨 Tänud ka meie illustraatoritele Tomomi Imura, Dasani Madipalli ja Jen Looper
🙏 Eriline tänu 🙏 Microsofti tudengisaadikutele autoritele, ülevaatajatele ja sisuloojatele, eriti Rishit Dagli, Muhammad Sakib Khan Inan, Rohan Raj, Alexandru Petrescu, Abhishek Jaiswal, Nawrin Tabassum, Ioan Samuila ja Snigdha Agarwal
🤩 Lisatänu Microsofti tudengisaadikutele Eric Wanjau, Jasleen Sondhi ja Vidushi Gupta meie R õppetundide eest!
Järgi neid samme:
- Tee hoidlast oma haru (fork): Klõpsa selle lehe paremas ülanurgas oleval "Fork" nupul.
- Klooni hoidla:
git clone https://github.com/microsoft/ML-For-Beginners.git
Leia kõik selle kursuse täiendavad ressursid meie Microsoft Learn kogumikus
🔧 Vajad abi? Vaata meie tõrkeotsingu juhendit levinumate probleemide kohta installimise, seadistuse ja õppetundide käivitamisega.
Õpilased, selle õppekava kasutamiseks tee kogu hoidlast fork oma GitHubi kontole ja tee harjutused ise või grupis:
- Alusta sissejuhatava eelhindamise testiga.
- Loe õppetund läbi ja täida ülesanded, peatudes ja mõeldes igal teadmistestil.
- Püüa projektid luua õppeülesandeid mõistes, mitte ainult lahenduse koodi jooksutades; see kood on olemas iga projektipõhise õppetunni
/solutionkaustas. - Tee järelhindamise test.
- Tee väljakutse.
- Täida kodutöö.
- Peale õppetundide rühma lõpetamist külasta arutelufoorumit ja "õpi valjusti" sobiva PAT-võtme abil. PAT on edenemise hindamise tööriist, mille abil saad oma õppimist edasi arendada. Samuti saad reageerida teiste PAT-idele, et koos õppida.
Edasisteks õpinguteks soovitame järgida neid Microsoft Learn mooduleid ja õpperadasid.
Õpetajad, oleme lisanud mõned soovitused õppekava kasutamiseks.
Mõned õppetunnid on saadaval lühivideotena. Leidke need kõigist õppetundidest või Microsoft Developer'i YouTube'i kanali ML algajate esitusloendist klõpsates allolevale pildile.
GIF autor Mohit Jaisal
🎥 Vajuta ülalolevale pildile, et vaadata videot projektist ja inimestest, kes selle lõid!
Selle õppekava loomisel valisime kaks pedagoogilist põhimõtet: tagada käed-külge projektipõhine õpe ja hõlmata sagedased viktoriinid. Lisaks on õppekaval ühine teema, mis annab sellele sidususe.
Sisuga projektide sidumine muudab õppetöö õppijate jaoks kaasahaaravamaks ning suurendab teadmiste kinnistumist. Madala panusega viktoriin enne loengut seab õppija fookuse teema omandamisele, teine viktoriin pärast loengut kinnistab materjali. Õppekava on loodud olema paindlik ja lõbus ning seda saab läbida tervikuna või osade kaupa. Projektid algavad väikestest ja muutuvad järjest keerukamaks 12-nädalase tsükli lõpus. Õppekava sisaldab ka lõpus lisamärkusi masinõppe reaalse maailma rakenduste kohta, mida saab kasutada lisapunktide teenimiseks või arutelude aluseks.
Leia meie käitumisjuhend, osalemisjuhend, tõlked ja tõrkeotsingu juhendid. Ootame sinu konstruktiivset tagasisidet!
- valikuline skeemijoonis
- valikuline täiendav video
- video juhend (ainult mõnes õppetunnis)
- eelõppetunni soojendustest
- kirjalik õppetund
- projektipõhistes õppetundides samm-sammult juhised projekti ehitamiseks
- teadmiste kontroll
- väljakutse
- täiendav lugemine
- kodutöö
- järgõppetunni test
Märkus keeltest: Need õppetunnid on peamiselt kirjutatud Pythonis, kuid paljud on saadaval ka R-is. R-õppetunni tegemiseks minge kausta
/solutionja otsige R-õppetunde. Nendel on .rmd laiendus, mis tähistab R Markdowndi faili, mida saab lihtsalt defineerida kuikoodilõikude(R-i või teiste keelte) jaYAML päise(mis juhib näiteks PDF-väljundite vormindamist) manustamistMarkdown dokumendis. Seetõttu on see eeskujulik autoriraamistik andmeteadusele, kuna võimaldab teil kombineerida oma koodi, selle väljundi ja mõtted, võimaldades neid Markdowni kirjutada. Lisaks saab R Markdowndi dokumente renderdada väljundvormingutesse nagu PDF, HTML või Word.
Märkus viktoriinide kohta: Kõik viktoriinid asuvad Quiz App kaustas, kokku 52 viktoriini, milles on kolm küsimust igaühes. Neile viidatakse õppetundide sees, kuid viktoriini rakendust saab käivitada lokaalselt; järgige
quiz-appkausta juhiseid, et seda kohapeal hostida või Deploy Azure'i.
| Õppetunni Number | Teema | Õppetunni Grupp | Õpitulemused | Lingitud Õppetund | Autor |
|---|---|---|---|---|---|
| 01 | Sissejuhatus masinõppesse | Sissejuhatus | Õpi masinõppe põhikontseptsioone | Õppetund | Muhammad |
| 02 | Masinõppe ajalugu | Sissejuhatus | Õpi selle valdkonna ajaloo kohta | Õppetund | Jen ja Amy |
| 03 | Õiglus ja masinõpe | Sissejuhatus | Millised on olulised filosoofilised õiglusprobleemid, mida õpilased peaksid arvestama ML mudelite ehitamisel ja rakendamisel? | Õppetund | Tomomi |
| 04 | Masinõppe tehnikad | Sissejuhatus | Milliseid tehnikaid masinõppe teadlased kasutavad mudelite ehitamiseks? | Õppetund | Chris ja Jen |
| 05 | Sissejuhatus regressiooni | Regressioon | Alusta Pythoniga ja Scikit-learniga regressioonimudelite jaoks | Python • R | Jen • Eric Wanjau |
| 06 | Põhja-Ameerika kõrvitsa hinnad 🎃 | Regressioon | Andmete visualiseerimine ja puhastamine ML-ks ettevalmistamiseks | Python • R | Jen • Eric Wanjau |
| 07 | Põhja-Ameerika kõrvitsa hinnad 🎃 | Regressioon | Ehita lineaarseid ja polünoomseid regressioonimudeleid | Python • R | Jen ja Dmitry • Eric Wanjau |
| 08 | Põhja-Ameerika kõrvitsa hinnad 🎃 | Regressioon | Ehita logistilise regressiooni mudel | Python • R | Jen • Eric Wanjau |
| 09 | Veebirakendus 🔌 | Veebirakendus | Ehita veebirakendus oma treenitud mudeli kasutamiseks | Python | Jen |
| 10 | Sissejuhatus klassifikatsiooni | Klassifikatsioon | Puhasta, valmista ette ja visualiseeri andmeid; sissejuhatus klassifikatsiooni | Python • R | Jen ja Cassie • Eric Wanjau |
| 11 | Maitsvad Aasia ja India köögid 🍜 | Klassifikatsioon | Sissejuhatus klassifikaatoritesse | Python • R | Jen ja Cassie • Eric Wanjau |
| 12 | Maitsvad Aasia ja India köögid 🍜 | Klassifikatsioon | Veel klassifikaatoreid | Python • R | Jen ja Cassie • Eric Wanjau |
| 13 | Maitsvad Aasia ja India köögid 🍜 | Klassifikatsioon | Ehita soovitusrakendus oma mudeli põhjal | Python | Jen |
| 14 | Sissejuhatus klasterdamisse | Klasterdamine | Puhasta, valmista ette ja visualiseeri andmed; sissejuhatus klasterdamisse | Python • R | Jen • Eric Wanjau |
| 15 | Nigeria muusikamaitsete avastamine 🎧 | Klasterdamine | Uuri K-Means klasterdusmeetodit | Python • R | Jen • Eric Wanjau |
| 16 | Sissejuhatus loodusliku keele töötlemisse ☕️ | Loodusliku keele töötlemine | Õpi NLP põhialuseid, luues lihtsa boti | Python | Stephen |
| 17 | Levinumad NLP ülesanded ☕️ | Loodusliku keele töötlemine | Süvenda oma NLP teadmisi, mõistes keelestruktuuridega seotud tavapäraseid ülesandeid | Python | Stephen |
| 18 | Tõlkimine ja emotsioonianalüüs |
Loodusliku keele töötlemine | Tõlketeenused ja sentimentide analüüs Jane Austeni tekstiga | Python | Stephen |
| 19 | Euroopa romantilised hotellid |
Loodusliku keele töötlemine | Emotsioonianalüüs hotellide ülevaadetega 1 | Python | Stephen |
| 20 | Euroopa romantilised hotellid |
Loodusliku keele töötlemine | Emotsioonianalüüs hotellide ülevaadetega 2 | Python | Stephen |
| 21 | Sissejuhatus ajasarja prognoosimisse | Ajaseeria | Sissejuhatus ajasarja prognoosimisse | Python | Francesca |
| 22 | ⚡️ Maailma elektritarbimine ⚡️ - ajasari prognoosimine ARIMA-ga | Ajaseeria | Ajasarja prognoosimine ARIMA meetodiga | Python | Francesca |
| 23 | ⚡️ Maailma elektritarbimine ⚡️ - ajasari prognoosimine SVR-ga | Ajaseeria | Ajasarja prognoosimine tugivektorregressiooni abil (SVR) | Python | Anirban |
| 24 | Sissejuhatus tugevdusõppesse | Tugevdusõpe | Sissejuhatus tugevdusõppesse Q-Learningu näitel | Python | Dmitry |
| 25 | Aita Peteril hundi eest põgeneda! 🐺 | Tugevdusõpe | Tugevdusõppe Gym | Python | Dmitry |
| Järelsõna | Reaalsed ML stsenaariumid ja rakendused | ML metsikus looduses | Huvitavad ja tähendusrikkad klassikalise ML reaalse maailma rakendused | Õppetund | Meeskond |
| Järelsõna | Mudeli silumine ML-s RAI armatuurlaua abil | ML metsikus looduses | Mudeli silumine masinõppes kasutades Responsible AI armatuurlaua komponente | Õppetund | Ruth Yakubu |
leia kõik selle kursuse lisamaterjalid meie Microsoft Learn kogust
Seda dokumentatsiooni saate kasutada ka võrguühenduseta, kasutades Docsify. Tõmba see repo oma arvutisse, paigalda Docsify oma kohalikule masinale, ja siis selle repokoodikausta juurtes kirjuta docsify serve. Veebileht serveeritakse pordil 3000 teie lokaalses arvutis: localhost:3000.
Leia õppekava pdf koos linkidega siin.
Meie meeskond toodab ka teisi kursuseid! Vaata:
-9333EA?style=for-the-badge&labelColor=E5E7EB&color=9333EA){kind=icon}
-C084FC?style=for-the-badge&labelColor=E5E7EB&color=C084FC){kind=icon}
-E879F9?style=for-the-badge&labelColor=E5E7EB&color=E879F9){kind=icon}
Kui satud takistusse või sul on küsimusi masinõppe õppimisel või tehisintellekti rakenduste loomisel, ära muretse — abi on saadaval.
Saad liituda aruteludega teiste õppijate ja arendajatega, esitada küsimusi ja jagada kogukonnaga oma ideid.
- Liitu kogukonnaga, et küsida küsimusi ja koos teistega õppida
- Aruta masinõppe mõisteid ja projektide ideid
- Saa kogenud arendajatelt juhiseid
Toetav kogukond on suurepärane võimalus oma oskusi arendada ja probleeme kiiremini lahendada.
Microsoft Foundry Discordi kogukond
Kui kohtad vigu, tõrkeid või soovid teha parandusettepanekuid, võid ka avada selles hoidlas Issue, et probleemi raporteerida.
Toote tagasiside või olemasolevate kogukonna postituste otsimiseks külasta arendajate foorumit:
- Vaata pärast iga õppetundi märkmeid üle, et paremini mõista.
- Harjuta algoritmide ise rakendamist.
- Uuri õpitud põhimõtteid kasutades pärismaailma andmestikke.
Vastutusest loobumine:
See dokument on tõlgitud tehisintellekti tõlke teenuse Co-op Translator abil. Kuigi püüame täpsust, palun arvestage, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Originaaldokument selle algkeeles tuleks pidada autoriteetseks allikaks. Olulise teabe korral soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlkega seotud arusaamatuste ega väärarusaamade eest.